( en | de | ru )

 

Disambiguierung von "Im, Dongseok"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
An 0.92 mJ/frame High-quality FHD Super-resolution Mobile Accelerator SoC with Hybrid-precision and Energy-efficient Cache.

, , , , und . CICC, Seite 1-2. IEEE, (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Dongseok Jang

Bak Im

Hyun Im

Chan Im

Hyoungjin Im

 

Weitere Publikationen von Autoren mit dem selben Namen

7.4 GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation., , , , , , und . ISSCC, Seite 140-142. IEEE, (2020)A 0.95 mJ/frame DNN Training Processor for Robust Object Detection with Real-World Environmental Adaptation., , , , , , und . AICAS, Seite 37-40. IEEE, (2022)HNPU-V2: A 46.6 FPS DNN Training Processor for Real-World Environmental Adaptation based Robust Object Detection on Mobile Devices., , , , , , und . HCS, Seite 1-18. IEEE, (2022)DSPU: A 281.6mW Real-Time Deep Learning-Based Dense RGB-D Data Acquisition with Sensor Fusion and 3D Perception System-on-Chip., , , , , , , , , und . HCS, Seite 1-25. IEEE, (2022)20.7 NeuGPU: A 18.5mJ/Iter Neural-Graphics Processing Unit for Instant-Modeling and Real-Time Rendering with Segmented-Hashing Architecture., , , , , , , , , und . ISSCC, Seite 372-374. IEEE, (2024)A 33.6 FPS Embedding based Real-time Neural Rendering Accelerator with Switchable Computation Skipping Architecture on Edge Device., , , , , und . A-SSCC, Seite 1-3. IEEE, (2023)HNPU: An Adaptive DNN Training Processor Utilizing Stochastic Dynamic Fixed-Point and Active Bit-Precision Searching., , , , , , und . IEEE J. Solid State Circuits, 56 (9): 2858-2869 (2021)A 0.82 μW CIS-Based Action Recognition SoC With Self-Adjustable Frame Resolution for Always-on IoT Devices., , , , und . IEEE Trans. Circuits Syst. II Express Briefs, 68 (5): 1700-1704 (2021)Sibia: Signed Bit-slice Architecture for Dense DNN Acceleration with Slice-level Sparsity Exploitation., , , , und . HPCA, Seite 69-80. IEEE, (2023)DSPU: A 281.6mW Real-Time Depth Signal Processing Unit for Deep Learning-Based Dense RGB-D Data Acquisition with Depth Fusion and 3D Bounding Box Extraction in Mobile Platforms., , , , , , , und . ISSCC, Seite 510-512. IEEE, (2022)